論文の概要: Faithful Embeddings for Knowledge Base Queries

• arxiv url: http://arxiv.org/abs/2004.03658v3
• Date: Fri, 29 Jan 2021 03:46:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 22:36:36.234482
• Title: Faithful Embeddings for Knowledge Base Queries
• Title（参考訳）: 知識ベースクエリに対する忠実な埋め込み
• Authors: Haitian Sun, Andrew O. Arnold, Tania Bedrax-Weiss, Fernando Pereira, William W. Cohen
• Abstract要約: 理想的知識ベース(KB)の帰納的閉包は、KBが答えられる論理的クエリを正確に含んでいる。 実際にはKBは不完全かつ過剰な仕様であり、現実の答えを持つクエリには答えられない。 この新たなQEモジュールをニューラルな質問応答システムに挿入すると、最先端技術よりも大幅に改善されることを示す。
• 参考スコア（独自算出の注目度）: 97.5904298152163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The deductive closure of an ideal knowledge base (KB) contains exactly the logical queries that the KB can answer. However, in practice KBs are both incomplete and over-specified, failing to answer some queries that have real-world answers. \emph{Query embedding} (QE) techniques have been recently proposed where KB entities and KB queries are represented jointly in an embedding space, supporting relaxation and generalization in KB inference. However, experiments in this paper show that QE systems may disagree with deductive reasoning on answers that do not require generalization or relaxation. We address this problem with a novel QE method that is more faithful to deductive reasoning, and show that this leads to better performance on complex queries to incomplete KBs. Finally we show that inserting this new QE module into a neural question-answering system leads to substantial improvements over the state-of-the-art.
• Abstract（参考訳）: 理想的知識ベース(KB)の帰納的閉包は、KBが答えられる論理的クエリを正確に含んでいる。 しかし、実際にはKBは不完全かつ過剰な仕様であり、実際の答えを持つクエリには答えられない。 KBエンティティとKBクエリを埋め込み空間で共同で表現し、KB推論における緩和と一般化をサポートする手法が最近提案されている。 しかし,本研究では,一般化や緩和を必要としない解に対する帰納的推論にQE系が不一致であることを示す。 提案手法は,帰納的推論に忠実な新しいQE手法を用いてこの問題に対処し,不完全KBに対する複雑なクエリの性能向上につながることを示す。 最後に、この新しいQEモジュールをニューラルな質問応答システムに挿入すると、最先端技術よりも大幅に改善されることを示す。

関連論文リスト

• FC-KBQA: A Fine-to-Coarse Composition Framework for Knowledge Base Question Answering [24.394908238940904]
  論理式の一般化能力と実行性を確保するため,KBQA (FC-KBQA) のためのファイン・ツー・コア・コンポジション・フレームワークを提案する。 FC-KBQA は GrailQA と WebQSP で最先端のパフォーマンスを新たに提供し、ベースラインの 4 倍の速度で動作している。
  論文  参考訳（メタデータ） (2023-06-26T14:19:46Z)
• Do I have the Knowledge to Answer? Investigating Answerability of Knowledge Base Questions [25.13991044303459]
  GrailQAbilityは、未解決のKBQAデータセットである。 3つの最先端KBQAモデルを用いて実験したところ、3つのモデル全てが性能低下に悩まされていることがわかった。 このことはKBQAシステムを解答不能に堅牢にするためのさらなる研究の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-12-20T12:00:26Z)
• DecAF: Joint Decoding of Answers and Logical Forms for Question Answering over Knowledge Bases [81.19499764899359]
  本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。 DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
  論文  参考訳（メタデータ） (2022-09-30T19:51:52Z)
• QA Is the New KR: Question-Answer Pairs as Knowledge Bases [105.692569000534]
  提案するKBの形式は,従来のシンボリックKBの重要な利点を多く備えている,と我々は主張する。 従来のKBとは異なり、この情報ストアは一般的なユーザ情報のニーズによく適合している。
  論文  参考訳（メタデータ） (2022-07-01T19:09:08Z)
• CBR-iKB: A Case-Based Reasoning Approach for Question Answering over Incomplete Knowledge Bases [39.45030211564547]
  ケースベースの推論手法であるCBR-iKBを,不完全KBを主眼とした知識ベース質問応答(KBQA)に提案する。 設計上、CBR-iKBはタスク固有のトレーニングや微調整なしにKBの変更にシームレスに適応できる。 提案手法は,MetaQAで100%精度を達成し,複数のベンチマークで新たな最先端性を確立する。
  論文  参考訳（メタデータ） (2022-04-18T20:46:41Z)
• Case-based Reasoning for Natural Language Queries over Knowledge Bases [41.54465521439727]
  本稿では,大きな知識ベースに対する質問応答のための神経シンボル的CBR手法を提案する。 CBR-KBQAは、ケースを格納する非パラメトリックメモリとパラメトリックモデルという2つのモジュールから構成される。 CBR-KBQAは、ケースメモリに表示されない関係の新規な組み合わせを効果的に導出できることを示す。
  論文  参考訳（メタデータ） (2021-04-18T07:50:31Z)
• Reasoning Over Virtual Knowledge Bases With Open Predicate Relations [85.19305347984515]
  Open Predicate Query Language (OPQL) を紹介します。 OPQLは、テキストから完全にトレーニングされた仮想知識ベース(VKB)を構築する方法である。 OPQLは2つの異なるKB推論タスクにおいて、以前のVKBメソッドよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-14T01:29:54Z)
• Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
  本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-12-03T05:17:55Z)
• A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges [71.4531144086568]
  知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。 研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
  論文  参考訳（メタデータ） (2020-07-26T07:13:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。